消費(fèi)金融公司信用風(fēng)控策略研究

王雅慧

（首都經(jīng)濟(jì)貿(mào)易大學(xué) 管理工程學(xué)院，北京100070）

1 消費(fèi)金融市場現(xiàn)狀分析

消費(fèi)金融是指消費(fèi)金融公司向各階層消費(fèi)者提供消費(fèi)貸款的現(xiàn)代金融服務(wù)方式，具有單筆授信額度小、審批速度快、無需抵押擔(dān)保、服務(wù)方式靈活、貸款期限短等優(yōu)勢。

目前，國內(nèi)的消費(fèi)金融公司主要包括持牌消費(fèi)金融公司及非持牌消費(fèi)金融公司，非持牌消費(fèi)金融公司包括電商平臺(tái)、P2P 平臺(tái)和傳統(tǒng)銀行業(yè)；持牌消費(fèi)金融公司是指由國家發(fā)放消費(fèi)金融牌照的消費(fèi)金融公司，截至2018-06，共有26家持牌消費(fèi)金融公司。

持牌消費(fèi)金融主要在2010—2018 年成立，與電商平臺(tái)、P2P 公司、傳統(tǒng)銀行業(yè)在客戶體驗(yàn)、資金成本、獲客能力、風(fēng)控能力方面有著明顯的區(qū)別。

持牌消費(fèi)金融公司由于起步晚，在獲客能力和客戶體驗(yàn)上稍顯不足，獲取資金的能力較強(qiáng)，但是風(fēng)控能力是制約發(fā)展的一個(gè)短板，如何在短時(shí)間內(nèi)擴(kuò)大消費(fèi)金融市場的占有率和如何提高風(fēng)控能力是該類公司面臨的重要問題。消費(fèi)金融市場現(xiàn)狀分析如圖1 所示。

圖1 消費(fèi)金融市場現(xiàn)狀分析

2 消費(fèi)金融公司信用風(fēng)控面臨的主要問題

據(jù)《中國消費(fèi)金融年度報(bào)告》顯示，中國2018 年消費(fèi)貸款總額達(dá)到11.36 萬億，2019-09，消費(fèi)貸款總額突破13.4萬億，并且保持高增長，同時(shí)又面臨著高逾期率的困境。逾期率是衡量一個(gè)金融機(jī)構(gòu)信貸產(chǎn)品質(zhì)量的重要指標(biāo)。通過對30 家消費(fèi)金融公司的公開數(shù)據(jù)統(tǒng)計(jì)，M3+逾期率在5%以下的有3 家，在5%～12%的有21 家，在12%以上的有6 家，由此可見，高逾期率是制約消費(fèi)金融公司發(fā)展的主要因素。截至2019-01，央行征信中心已累計(jì)收錄自然人9.9 億人，有信貸記錄人數(shù)5.3 億，征信覆蓋率為38%。公開資料統(tǒng)計(jì)，消費(fèi)金融公司客戶有人行征信記錄的不足30%，因此消費(fèi)金融公司依靠客戶的人行征信記錄進(jìn)行授信風(fēng)控會(huì)“失靈”，對缺少征信信息或者征信空白的客戶放款，很容易造成客戶高違約現(xiàn)象。

3 基于挖掘技術(shù)的客戶信用指標(biāo)

國外的FirstAccess 公司在開拓非洲市場時(shí)，在客戶征信缺失的情況下，通過分析客戶通信信息，比如通話時(shí)長、通話地點(diǎn)、通話的頻率、手機(jī)號(hào)更換的周期、平均花費(fèi)等數(shù)據(jù)，得出對客戶信用特征的判定。

基于以上國外消費(fèi)金融公司的做法，在國內(nèi)消費(fèi)金融市場，對于缺少征信信息或者征信空白的客戶，可以通過大數(shù)據(jù)挖掘技術(shù)手段挖掘更多貸款申請人的信息。除了客戶姓名、性別、身份證號(hào)碼、身份證類型外，可以挖掘到客戶的公共行為信息、通訊信息、社交信息、消費(fèi)習(xí)慣和消費(fèi)水平信息、APP 安裝偏好等，加工處理這些信息，對評(píng)估個(gè)人信用有參考價(jià)值的信息需要保留，而客戶的郵箱、手機(jī)號(hào)、移動(dòng)設(shè)備、學(xué)校名稱對客戶的信用行為影響不大，稱之為無關(guān)信息；但是客戶的手機(jī)號(hào)是否實(shí)名，移動(dòng)設(shè)備安裝軟件的類型，學(xué)校是否屬于985、211、一類本科、二類本科這些對客戶信用行為有著潛在的影響，稱之為關(guān)聯(lián)信息。

通過對某持牌消費(fèi)金融公司的客戶信息的整理和分析，將客戶信息初步分為以下9 個(gè)維度，以便后續(xù)進(jìn)行關(guān)聯(lián)度分析：基本信息、居住信息、婚姻信息、職業(yè)信息、學(xué)歷信息、社交網(wǎng)絡(luò)信息、行為愛好、APP 安裝指數(shù)以及貸款申請信息。

4 灰色關(guān)聯(lián)度原理

采用灰色關(guān)聯(lián)度分析方法，能定量地分析非線性相關(guān)的事物之間的內(nèi)在聯(lián)系，尤其是分析小樣本數(shù)據(jù)，優(yōu)勢更明顯。

設(shè)X0與Xi的長度相等，時(shí)距相等。

將數(shù)據(jù)值結(jié)果代入以上公式，結(jié)果如表1 所示。

表1 灰色絕對關(guān)聯(lián)度表

5 根據(jù)灰度結(jié)果分析客戶信用指標(biāo)

從表1 可以看出，消費(fèi)金融應(yīng)用安裝指數(shù)、貸款應(yīng)用安裝指數(shù)、貸款渠道與貸款客戶的違約信用情況關(guān)聯(lián)性最高，其余的客戶硬信息指標(biāo)與客戶信用情況的關(guān)聯(lián)性也很高，基本在0.6 以上，以上定性分析和定量分析驗(yàn)證了客戶信息硬指標(biāo)對客戶信用的決定性影響，同時(shí)客戶軟信息指標(biāo)如客戶年齡、婚姻狀態(tài)、工作年限等也說明了軟信息指標(biāo)對客戶信用也有著不可忽略的影響，對多維度預(yù)測客戶信用情況有著很大的實(shí)踐意義。

以下是根據(jù)灰色關(guān)聯(lián)度得出的客戶信用關(guān)聯(lián)指標(biāo)。

硬信息指標(biāo)包括房屋性質(zhì)、居住地址/單位地址驗(yàn)證結(jié)果、學(xué)歷驗(yàn)證結(jié)果、手機(jī)在網(wǎng)狀態(tài)、手機(jī)號(hào)實(shí)名制驗(yàn)證結(jié)果、手機(jī)號(hào)近六月停機(jī)次數(shù)、消費(fèi)金融興趣評(píng)級(jí)、貸款興趣評(píng)級(jí)、購物興趣評(píng)級(jí)、旅行興趣評(píng)級(jí)、消費(fèi)金融應(yīng)用安裝指數(shù)、貸款應(yīng)用安裝指數(shù)、游戲應(yīng)用安裝指數(shù)、貸款用途、貸款類型、還款類型。

軟信息指標(biāo)包括年齡、婚姻狀況、工作年限、是否虛擬號(hào)段、手機(jī)號(hào)在網(wǎng)時(shí)長、手機(jī)號(hào)碼標(biāo)記信息、手機(jī)號(hào)碼消費(fèi)檔次、手機(jī)號(hào)碼常用聯(lián)系人驗(yàn)證、基金興趣評(píng)級(jí)、銀行興趣評(píng)級(jí)、社交興趣評(píng)級(jí)、美食興趣評(píng)級(jí)、游戲興趣評(píng)級(jí)、智能設(shè)備興趣評(píng)級(jí)、基金應(yīng)用安裝指數(shù)、銀行應(yīng)用安裝指數(shù)、社交應(yīng)用安裝指數(shù)、旅行應(yīng)用安裝指數(shù)、美食應(yīng)用安裝指數(shù)、購物應(yīng)用安裝指數(shù)、最近一年電商網(wǎng)支付場景次數(shù)、最近一年電商支付場景金額、電商消費(fèi)能力評(píng)級(jí)、貸款額度、貸款期限。

6 結(jié)論與建議

經(jīng)過以上分析，在客戶征信信息不足或者空白的情況下，消費(fèi)金融公司可以通過分析客戶的各維度指標(biāo)來預(yù)測客戶的信用情況，從而進(jìn)行貸款授信，同時(shí)，消費(fèi)金融行業(yè)也應(yīng)該從以下幾方面提高風(fēng)控能力，降低貸款逾期率。

6.1 建議信息共享的機(jī)制

大數(shù)據(jù)技術(shù)可以獲取個(gè)人多樣化信息，比如一個(gè)人拖欠水電費(fèi)、煤氣費(fèi)、電話費(fèi)，將這些信息共享給貸款機(jī)構(gòu)，貸款機(jī)構(gòu)就能對客戶預(yù)期的概率做出一個(gè)準(zhǔn)確的預(yù)測，降低客戶貸款額度甚至拒絕客戶貸款請求。

6.2 建立自有風(fēng)控策略

消費(fèi)金融公司可以根據(jù)客戶特點(diǎn)建立自身風(fēng)控的模型，形成以人行征信為主，自有模型為輔的風(fēng)控策略。